一种模糊图像增强算法

张超超, 王新民

(长春工业大学 数学与统计学院， 吉林 长春 130012)

0 引 言

图像增强是图像处理领域的一个重要分支，图像增强的求解对于实际问题有着重要的现实意义。目前，国内外研究学者在图像增强领域发现了一些方法，其中一些模糊理论的方法在图像增强处理中得到成功的应用。Pal和King[1]在20世纪80年代首次提出了一种图像增强算法，并在模式识别和医疗图像处理等领域获得较好的应用。文中通过对比自适应直方图均衡化、传统的Pal以及改进的Pal三种算法，找到在图像增强的边缘保护性方面表现良好的算法，避免了传统的Pal算法容易陷于局部最优的问题，最后通过计算实例来验证算法的有效性。

1 模糊理论

Zadeh[2]于1965年首次提出了模糊理论的思想，并给出了模糊集合的定义。模糊理论是一种模糊集合，与经典集合不同，它是一种没有精确边界的集合，可以对普遍存在的数学问题进行建模。模糊集合表示的是元素属于集合的程度，模糊集合特征函数的取值范围在闭区间[0,1]内，这样就可以清楚地表示某元素属于一种集合的程度。在模糊集合中论域为W，A是W中的模糊子集，隶属度函数βA是模糊子集A的表征集合。

2 Pal图像模糊增强算法基本过程

基于Pal算法的基本架构和模糊理论的基本思想来实现灰度图像的增强过程，下面具体描述Pal图像模糊增强算法。

2.1 算法增强步骤

1)将图像从空间域的灰度平面转换到模糊集域的特征平面上(即模糊化操作)；

2)完成编码后，适当的修正模糊集域的隶属度值；……